试验3参数估计与假设检验.docx
《试验3参数估计与假设检验.docx》由会员分享，可在线阅读，更多相关《试验3参数估计与假设检验.docx（12页珍藏版）》请在冰豆网上搜索。
试验3参数估计与假设检验
试验3参数估计与假设检验
1．某省大学生四级英语测验平均成绩为65，现从某高校随机抽取20份试卷，其分数为：
72、76、68、78、62、59、64、85、70、75、61、74、87、83、54、76、56、66、68、62，问该校英语水平与全区是否基本一致？
设α＝0.05
2.下面的表格记录了某公司采用新、旧两种培训方式对新员工进行培训前后的工作能力评分增加情况，分析目的是想比较这两种培训方式的效果有无差别。
ID
method
scoreadd
ID
method
scoreadd
1
1.00
9.00
10
2.00
12.00
2
1.00
10.50
11
2.00
14.00
3
1.00
13.00
12
2.00
16.00
4
1.00
8.00
13
2.00
9.00
5
1.00
11.00
14
2.00
12.00
6
1.00
9.50
15
2.00
10.00
7
1.00
10.00
16
2.00
10.00
8
1.00
12.00
17
2.00
14.00
9
1.00
12.50
18
2.00
16.00
（1）请将数据输入到数据编辑窗口，变量名保持不变；定义变量method的Values（值标签）：
1为旧方法，2为新方法，并保存数据文件为data3_3.sav。
（2）按不同的培训方法计算评分增加量的平均数、四分位数，并解释其含义。
（3）分析两种培训方式的效果有无差别。
3．分析某班级学生的高考数学成绩是否存在性别上的差异。
数据如下表所示：
某班级学生的高考数学成绩
性别
数学成绩
男（n＝18）
858975588680787684899995828760857580
女（n＝12）
929686837887706570787256
（一）
操作步骤：
1.在进行数据分析之前，将数据录入SPSS软件中。
打开SPSS软件，在变量视图界面输入“编号”和“四级成绩”，并将“编号”定义为字符型变量，将“四级成绩”定义为数值型变量。
如图：
2.录入数据
3.点击“分析”→“比较均值”→“单样本T检验”，在弹出的对话框中，将“四级成绩”移动到右侧对话框，在“检验值”文本框”填入65,，如图：
点击选项，在置信区间百分比输入“95”，即设置显著性水平为5%。
在“缺失值”选项组中选中“按分析顺序排除个案”，也就是说，只有分析计算涉及到该记录缺失的变量时，才删去该记录。
如下图：
4.设置完毕，点击“继续”按钮返回“单样本T检验”对话框。
单击“确定”按钮，等待结果输出。
结果分析：
1.从表可以看出与，参与分析的样本共有20个，样本的均值是69.8000，标准差是9.47351，均值的标准误是2.11834.
2.从表可以发现：
t统计量的值是2.266，自由度是19,95%的置信区间是（0.3663,9.2337），临界置信水平是0.035，小于0.05，说明该校英语水平与全区英语平均水平存在较大差别。
（二）
第一问：
操作步骤：
1.打开SPSS软件，在变量视图中定义“ID”、“method”、“scoreadd”三个变量，并在变量method的值标签定义：
1为旧方法，2为新方法，如下图所示：
2.将文件保存为《data3_3.sav》，如下图：
第二问：
操作步骤：
1.对数据进行分组。
点击“数据”→“拆分文件”，进入分割文件对话框。
选择“method”，点击中间的向右箭头，使之成为分组方式。
如图：
2.点击确定完成分组设置。
单击“分析”→“描述统计”→“频率”，弹出频率对话框。
选中scoreadd变量，单击向右箭头使之进入变量列表框。
如下图：
3.单击统计量按钮，选中“四分位数”和“均值”，单击继续回到频率对话框。
单击确定，等待结果输出。
结果分析：
如下图所示，旧培训方法的评分增加量均值为10.6111，从上往下四分位数依次为12.2500；10.5000；9.2500。
新培训方法的评分增加量均值为12.5556，从上往下四分位数依次为15.0000；12.0000；10.0000.从以上结果可以起看出，新培训方法下的评分增加量与就培训方法相比，有了明显的增加。
说明新培训方法对员工工作能力有明显积极效果。
第三问：
操作步骤：
1.点击“分析”→“比较均值”→“独立样本T检验”，选中“socreadd”并点击右侧第一个向右箭头，使之进入检验变量列表框；选中“method”，单击右侧第二个向右箭头，使之进入分组变量列表框。
如图：
2.单击定义组，在组1
（1）输入“1.00”，在组2
（2）输入“2.00”。
单击继续，如图：
3.设置置信区间和缺失值的处理方法。
单击“独立样本T检验”对话框中的“选项”按钮，弹出如图所示的对话框。
采用默认的95%置信度以及“案分析顺序排除个案”的缺失值处理方法即可。
单击继续返回“独立样本T检验”对话框，单击确定，等待结果输出。
结果分析：
1.从表可以看出：
参与分析的样本中，旧方法组的样本容量是9，样本均值是10.6111，标准差是1.67290，均值的标准差是0.55763；新方法组的样本容量是9，样本均值是12.5556，标准差是2.60342，均值的标注差是0.86781.
2.从表可以发现：
F统计量的值为2.764，对应的置信水平为0.116，说明两样本方差不存在显著差别，所以采用的方法是两样本等方差T检验。
T统计量的值是-1.885，自由度是16,95%置信区间是（-4.13118,0.24229），临界置信水平为0.078，大于5%，所以两种培训方法之间不具有显著差别。
（三）
操作步骤：
1.数据录入。
在进行数据分析之前，先将数据录入到SPSS软件中。
打开SPSS软件，在变量视图定义“性别”和“成绩”变量，并在性别的值标签定义为“男”=1，“女”=2.如图所示：
2.转换到数据视图，进行数据录入。
用“1”表示性别“男”，用“2”表示性别“女”。
如图：
3.点击“分析”→“比较均值”→“独立样本T检验”，进入独立样本T检验对话框。
选中“成绩”变量，单击中间第一个向右箭头，使之进入检验变量列表框；选中“性别”变量，单击中间第二个向右箭头，使之进入分组变量列表框。
如图：
4.点击定义组，在组1
（1）输入1，在组2
（2）输入2，如图：
5.单击继续，返回独立样本T检验对话框。
单击右上角的“选项”按钮，设置置信区间百分比为95%，缺失值按分析顺序排除个案，如下图说是：
结果分析：
1.从表可以看出，参与分析的样本中，性别为男的一组的样本容量为18，样本均值为81.2778，标注差为10.36854，均值的标注误为2.44389；性别为女的一组的样本容量为12，均值为77.7500，标注差为11.70179，均值的标准误为3.37801.
2.从表中可以发现，F统计量的值是0.467，对应的置信水平是0.500，说明两样本之间存在显著差别，所以采用的方法是两样本方差不相等的T检验。
T统计量为0.846，自由度为21.685,95%置信区间是（-5.12625，,12.18180），临街置信水平为0.407，大于临界置信水平5%，说明该班级学生的高考成绩不存在性别上的差别。
升级会员 